Diet Light

此文章，並無討論第四集的內容，而是演練“監督式學習法”當中的“類神經網路”。覺得“演算法”沒什麼意思的讀者，可以跳開。

在Produce 101第二季的第三集，男團分組對抗，已經有兩首歌，四個團體表演，也得到了評價。

我就思考了一下，打算用類神經網路，來預測第四集的其他8個組合，可能的評價高低，會是什麼結果。

不過，心裡在想，我手上只有四個組合的評價，樣本是否足夠？我思考了一下，就採用了“倒傳遞類神經網路”，因為，我曾試過一次，用第一季女生版的所有女生的基本資料，使用類神經網路來做機器學習，竟然可以正確預測到九位進入I.O.I，大勝其他演算法。其他像是貝氏演算法，即使微調參數，也只有正確預測到6位。而SVM，我很期待這個演算法，只有預測到5位是正確的I.O.I名單。

我只有針對主題曲的評等做為依據，並把等級改為數字。

code的參數，與結果，如下面顯示。從混亂矩陣可以看到，Super Junior的那一組對抗，電腦預測錯誤，而其他組全部正確。我懷疑是訓練組的樣本不夠多。

如果看上面的code，會覺得煩，那，最後的結果，可以參考下圖。